به کارگیری روش میانگین هندسی برای مدل‌سازی پتانسیل معدنی مس پورفیری در ناحیه بافت کرمان

منطقه معدنی بافت در استان کرمان در بخش جنوب خاوری کمان ماگمایی ارومیه دختر واقع شده است. این کمان به وسیله گسترش وسیعی از توده‌های نفوذی و سنگ‌های آتشفشانی سنوزوییک مشخص می‌شود و شرایط مطلوبی برای توسعه سیستم‌های هیدروترمالی و کانی‌سازی به خصوص کانی‌زایی مس پورفیری فراهم می‌کند. به منظور پتانسیل معدنی با هدف شناسایی مناطق پرپتانسیل، چند نقشه منفرد از شواهد شامل فاصله از توده‌های نفوذی، چگالی گسل، فاصله از آلتراسیون‌های هیدروترمالی و اثر ژئوشیمیایی چند عنصری تولید شد. مقادیر شاهد فضایی در هر نقشه با استفاده از یک تابع لجستیک از مقادیر بدون کران به بازه  (1و0) انتقال یافتند. سپس نقشه‌های پیوسته از لایه‌های شاهد فازی شده توسط روش میانگین هندسی تلفیق شدند. برای ارزیابی نتایج نقشه پتانسیلی نهایی یک روش داده محور پیش‌بینی مساحت به کار گرفته شد. نتایج نشان می‌دهد که برای مدل احتمالی (پتانسیلی) میانگین هندسی، 87 درصد از کانسارهای شناخته شده در 13 درصد از منطقه مورد مطالعه پیش‌بینی شده‌اند. از این رو، این روش می‌تواند برای مدل‏سازی پتانسیل معدنی با هدف شناسایی مناطق هدف برای اکتشاف یک نوع کانسار خاص مورد استفاده قرار گیرد.

Application of geometric average approach for Cuporphyry prospectivity mapping in the Baft area, kerman

The Baft district in Kerman province is located in the southeastern segment of the UrumiehDokhtar magmatic arc. This arc is characterized by thick accumulations of Cenozoic plutonic and volcanic rocks and provide favorable conditions to the development of hydrothermal systems and mineral deposition, in particular porphyry copper mineralization. For mineral prospectivity mapping (MPM) to delineate prospective areas some individual maps of evidence including distance to intrusive contacts, fault density, distance to hydrothermal alterations and multielement geochemical signature were generated. Spatial evidence values in each map were transformed using a logistic function of unbounded values into the [0,1] range. Thus continuous maps of fuzzy evidence layers were integrated using geometric average function. To evaluate results of final potential map a datadriven predictionarea was used. The results showed that for the geometric average prospectivity model, 87% of the known mineral occurrences are predicted in 13% of the study area. Hence, this method can be utilized for mineral prospectivity mapping to delineate target areas for further exploration of a certain deposittype.